如今几乎人手一部智能手机——通勤地铁里，它陪我们刷视频；餐桌前，它帮我们拍下诱人美食。但谁能想到，有一天医生竟把它塞进病人的领口，不是为了自拍，而是为了听一听心脏的“悄悄话”：它是否已经走上衰竭的道路。
一项发表于JACC: Heart Failure的跨国研究发现：只需将手机放在胸口静置两分钟，依靠内置的陀螺仪和加速度计，就能识别出心衰信号，准确率高达89%，甚至超过不少传统急诊指标。一部普普通通的智能手机，悄然变身为“数字听诊器”。
DOI：10.1016/j.jchf.2024.01.022
全球心衰激增，早筛仍是难题
目前全球已有超过5600万人患有心力衰竭。在65岁以上人群中，心衰已是住院的首要原因。不论是射血分数降低（HFrEF）还是保留（HFpEF）型心衰，临床诊断仍高度依赖症状判断、体征识别及利钠肽水平，容易滞后于病情进展。
传统心动图虽可捕捉心脏机械活动，却需要额外贴附传感器，硬件门槛较高。而如今的智能手机或手表，内建的MEMS三轴加速度计和陀螺仪，恰好能感应到胸壁细微的振动和旋转角度变化——这是心脏轴向缩短、扭转与舒张“解旋”等复杂运动在体表的投影。
而研究团队早前就已证实：陀螺仪对心肌扭转—解扭的过程更加敏感，加速度计则擅长捕捉直线位移；两者结合，有望将“心音+心震”转化为可量化的数字生物标志物。
手机放胸口2分钟，
心脏状态便一目了然
这项名为REFLECS的研究整合了三项前瞻性注册试验（NCT04444583、NCT04378179、NCT04290091），由芬兰图尔库大学医院和赫尔辛基大学医院招募住院与门诊心衰患者，美国斯坦福大学则补充了稳定和急性住院队列。研究共纳入1003名受试者，包括174例因急性失代偿住院、172例稳定门诊心衰患者，以及786例无既往心衰史的对照人群。
REFLECS多中心研究的受试者纳排及最终分析集构成
为避免人群间差异带来偏倚，研究者通过3:1的对照/病例比例，并引入分层随机重采样（bootstrap）随机重采样策略，力求在年龄、性别、BMI及合并症等方面实现平衡。
整个采集流程统一规范——芬兰使用Samsung Galaxy S9，美国使用S9+，两者传感器参数一致；手机采样频率为500 Hz，记录6通道数据（3轴加速度 + 3轴角速度）。受试者需仰卧休息，床头抬高约45°，手机放置于胸骨中段皮肤或单层衣物上，静躺2分钟期间保持正常呼吸、避免说话与肢体动作。
随后，信号经1–40 Hz带通滤波去除干扰，算法自动识别10个最稳定心动周期，并提取S1（二尖瓣关闭/主动脉开放）、S2（主动脉关闭）、S3（快速充盈期）三段的振幅、能量及面积共12项特征，作为机器学习输入变量。为避免房颤导致节律紊乱影响识别，初期模型训练仅纳入窦性节律患者，之后再扩展至房颤群体进行内部验证，并以十次bootstrap独立抽样、交叉验证的方式，确保模型稳健性。
基于智能手机六轴运动信号分析开发HF检测算法的完整流程
手机筛查胜过听诊器？
结果非常亮眼。在住院场景下，模型AUC达0.94（95% CI: 0.92–0.96），敏感度81%，特异度90%；在门诊场景下，AUC为0.92（0.91–0.94），敏感度同为81%，特异度87%。两者合并后，总体AUC为0.95，敏感度85%，特异度90%，准确率高达89%，阳性似然比8.5，阴性似然比0.17。
亚组分析发现：无论年龄、BMI，是否合并房颤，对准确率影响均不超过4个百分点；但女性的敏感度略低，可能与胸壁传导差异或样本偏小有关。
更值得注意的是，加速度计与陀螺仪性能差异显著：加速度计单独建模时AUC仅0.64–0.69，而陀螺仪则高达0.87–0.89，证实了角速度更擅长识别心肌扭转-解扭过程。尤其是S3期的陀螺角速度特征，在心衰患者与对照人群间差异最大，提示舒张早期的“解旋”受损或许正是最具识别力的机械指纹。
基于手机六轴运动信号的心衰检测算法的性能
研究者进一步指出，这种检测方式无需为医学专门定制设备——99%以上的受试者仅靠一次手机采集便获得高质量信号，“家用手机就能筛查心衰”并非遥不可及。
更关键的是，模型的阳性似然比（8.5）已接近NT-proBNP在急性失代偿诊断中的水平，而0.17的阴性似然比更优于大多数床旁超声筛查模型。这意味着，对于预检概率在20%–50%的“灰区人群”（如老年人、高血压或冠心病患者），2分钟手机检测就可能把后验概率推高至70%以上——这正是高效分流急诊与基层门诊患者的关键能力。
不仅如此，作者还设想未来将这一陀螺心动图技术与患者自报症状、心率变异性及日常活动量监测等数据融合，打造连续远程监测系统，从而提前发现液体潴留、指导利尿剂用量调整，进一步降低再住院率。
当然，REFLECS 研究并非完美无瑕。其一，对照组未全员行超声检查，可能混入隐匿性B期心衰个案；其二，病例组为已确诊人群，模型在“首次诊断”场景下的性能尚需进一步验证；其三，女性样本较少，性别间差异仍待后续扩大样本确认；其四，设备仅限于Samsung S9和S9+，传感器跨品牌通用性仍需后续标定。
但值得肯定的是，REFLECS 用数据告诉我们，心衰筛查未必需要昂贵设备与专业人员，一部普通智能手机、两分钟无感采集，配合算法，便可实现准确率高达89%的快速筛查。这项技术不仅稳健性强、跨人群适用，还可远程部署、与日常健康管理系统无缝融合。
未来的某一天，当患者胸口那部日夜不离的手机感应到心肌“解旋”的轻微迟滞，云端算法也许早已发出预警，将信息同步推送至医生与患者两端——“心衰未动，数据先知”或许不再只是幻想，而是精准医疗走进生活的真实写照。
[1]Haddad F, Saraste A, Santalahti KM, Pänkäälä M, Kaisti M, Kandolin R, Simonen P, Nammas W, Jafarian Dehkordi K, Koivisto T, Knuuti J, Mahaffey KW, Blomster JI. Smartphone-Based Recognition ofHeart Failure by Means of Microelectromechanical Sensors. JACC Heart Fail. 2024 Jun;12(6):1030-1040. doi: 10.1016/j.jchf.2024.01.022. Epub 2024 Apr 3. PMID: 38573263.
撰写：JY
编辑：木白
授权转载等事宜请联系梅斯学术管理员
梅斯学术管理员微信bjy1689902068，备注学术转载
